Georgia Institute of Technology（佐治亚理工学院）

Satellite Trajectory Optimization via Proximal Policy Optimization for Space Debris Avoidance

基于近端策略优化（PPO）的卫星轨道优化用于空间碎片规避

Logan Luna, Juan Ortiz Couder, Raul Alejandro Vargas-Acosta

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Embry-Riddle Aeronautical University（安柏瑞德航空大学） 纠错

AI总结 本研究针对轨道拥堵下卫星碰撞规避难题，提出基于PPO的强化学习策略，经高保真模拟器训练，在GEO任务中碰撞规避成功率达97.5%，优于传统方法，构建了公开可用框架

Comments 18 pages, 16 figures. Published in IEEE Access, vol. 14, pp. 18138-18154, 2026

Journal ref L. Luna, J. Ortiz Couder, and R. A. Vargas-Acosta, "Satellite Trajectory Optimization via Proximal Policy Optimization for Space Debris Avoidance," IEEE Access, vol. 14, pp. 18138-18154, 2026

Model-Based Systems Engineering Framework for SysML-Driven Design of Autonomous UAVs

面向自主无人机SysML驱动设计的基于模型的系统工程框架

Deekshitha Angadi, Naveena Budda, Vikas Agarwal, Mohamed Samshad, Bharath Kumar Suryadevara, Narsimlu Kemsaram

机构 * Autonomous Robotics Systems Limited（自主机器人系统有限公司） ； University of Hyderabad（海得拉巴大学） ； Ideabytes Software India Private Limited（Ideabytes软件印度私人有限公司） ； Georgia Institute of Technology（佐治亚理工学院） ； Akkodis AS&D GmbH（Akkodis AS&D有限公司） ； Universiti Malaya（马来亚大学） 纠错

AI总结 本文提出一种面向自主无人机SysML驱动设计的MBSE框架，以SysML为设计主干整合开发流程，将逻辑架构映射至ROS 2，通过典型任务场景示例，实现需求分配等功能，提升早期设计的可追溯性与一致性。

Comments Accepted for presentation at the 2026 International Conference on Autonomous Aerial Vehicles (ICAAV-2026), 20-21 Aug 2026, Bengaluru, India

A Controlled Study of Feature-Based Knowledge Distillation Across Student Designs

跨学生设计的基于特征的知识蒸馏的对照研究

Abhinand Balachandran, Praveen Prashant

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 该研究在CIFAR-100上对照分析不同特征知识蒸馏方法对不同学生模型的影响，发现FitNets弱于logit KD、注意力迁移效果因模型而异，固定辅助系数无法实现统一训练条件。

Comments 7 pages, 3 figures, 2 tables

Learning Physical Interaction: A Survey of Tactile- and Force-aware Robot Learning

学习物理交互：触觉与力感知机器人学习综述

Shilin Shan, Chuhao Zhou, Ruize Wang, Xinyan Chen, Xiangyu Chen, Xinyu Zhou, Boyu Ma, Iris Yuxuan Hu, Jingliang Li, Celeste Yuxuan Hu, Geng Li, Guohao Chen, Tianrui Zhu, Zhe Li, Yanjie Ze, Haoran Geng, Zhiyang Dou, Jianxin Bi, Yuejiang Liu, Jianshu Zhou, Jiachen Li, Paul Liang, Tatsuya Harada, Robert Katzschmann, Harold Soh, Na Li, Edward Johns, Danica Kragic, Jan Peters, Wojciech Matusik, Masayoshi Tomizuka, Jitendra Malik, Jianfei Yang

机构 * Nanyang Technological University（南洋理工大学） ； Stanford University（斯坦福大学） ； University of California, Berkeley（加利福尼亚大学伯克利分校） ； Massachusetts Institute of Technology（麻省理工学院） ； National University of Singapore（新加坡国立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； The University of Tokyo（东京大学） ； ETH Zurich（苏黎世联邦理工学院） ； Harvard University（哈佛大学） ； Imperial College London（伦敦帝国学院） ； KTH Royal Institute of Technology（瑞典皇家理工学院） ； Technical University of Darmstadt（达姆施塔特工业大学） 纠错

AI总结 本综述针对力与触觉感知机器人学习研究的空白，提出TF-ART分类法，整合多模态感知与多阶段系统设计视角，兼具算法与实践意义。

Comments 53 pages, 7 figures

MRI super-resolution in ten sampling steps using a diffusion bridge model

基于扩散桥模型的十步采样MRI超分辨率

Mojtaba Safari, Hang Yu, Zach Eidex, Mingzhe Hu, Ryan J. Sanford, Alexandru Florea, Shansong Wang, Chih-Wei Chang, Erik H Middlebrooks, Aditya Juloori, Stanley L. Liauw, Ralph Weichselbaum, Xiaofeng Yang

机构 * The University of Chicago（芝加哥大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Emory University（埃默里大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Mayo Clinic（梅奥诊所） 纠错

AI总结 该研究针对MRI扫描时间与分辨率的权衡问题，提出仅需十步采样的超分辨率扩散桥模型SR-DBM，在7T脑和前列腺MRI数据集上的量化指标与视觉效果均优于九种对比方法。